本章内容: 1.最大似然原理; 2.用ML方法求解参数估计问题的步骤; 3.ML估计式的特性; 4.如何计算ML估计值的方差; 5.利用似然函数进行区间估计

1简单随机抽样及实施方法 2总体平的数与总和的估针

极大似然估计的求法 —选择参数的估计量,使实验结果具有最大概率 估计量的几个评选标准 ·样本原点矩是总体原点矩的无偏估计量; 无偏性——E()=·样本方差是总体方差的无偏估计量; ·无偏估计量的函数未必是无偏估计量

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

向量序列的收敛性 迭代法的收敛性分析 迭代误差估计定理 平面温度场计算

描述了协同区域化及协同区域化变量的概念,较详细地讨论了交叉矩及其性质(例如互协方差及互变异函数)。重点讨论了协同克立格法(包括协同克立格方程组及协同克立格方差等),给出了根据估计邻域内金和银的数据,并应用协同克立格法实例估计一个等估块段中金的平均含量

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计(OLS) 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计